新闻资讯

新闻资讯 通知公告

FastAI 简介

编辑:016     时间:2020-02-15


Fastai简介

在深度学习领域,最受学生欢迎的MOOC课程平台有三个:Fast.ai、deeplearning.ai /Coursera和Udacity。Fastai作为其中之一,是一个课程平台,一个讨论社区,也是一个PyTorc的顶层框架。Fastai的理念就是:Making neural nets uncool again,让神经网络没那么望而生畏,其课程也是采用项目驱动的方式教学。经过Fast.ai团队和PyTorch团队的共同努力,我们迎来了一个为计算机视觉、文本、表格数据、时间序列、协同过滤等常见深度学习应用提供单一一致界面的深度学习库。这意味着,如果你已经学会用fastai创建实用的计算机视觉(CV)模型,那你就可以用同样的方法创建自然语言处理(NLP)模型,或是软件支持的其他模型。类似Keras,Fastai不只是将PyTorch功能封装了比较“亲切”的API,而是让PyTorch的强大之处易用了。

Fastai安装

首先需要注意的是:fastai v1目前只支持Linux,需要PyTorch v1和Python 3.6或更高版本。Windows支持正处于实验阶段:它应该可以正常工作,但是速度慢得多,测试也不太好。由于macOS目前没有良好的Nvidia GPU 支持,目前没有优先考虑macOS上的开发。    fastai-1.x可以使用conda或pip包管理器,也可以从源代码安装。安装之前,首先需要安装正确的pytorch版本,PyTorch v1和Python 3.6是最低版本要求。从pytorch-1.x开始,不再需要安装特殊的pytorch-cpu版本。取而代之的是使用普通的pytorch,它可以在有或没有图形处理器的情况下工作。强烈建议在虚拟环境(conda或其他环境)中安装fastai及其依赖项,这样就不会干扰系统范围的python包。这并不是必须的,但是如果遇到任何依赖包的问题,请考虑为fastai使用一个新的虚拟环境。

Conda Install

conda install -c pytorch -c fastai fastai复制代码

这将使用最新的cudatoolkit版本安装pytorch。 如果您需要更高或更低的CUDA XX版本(例如CUDA 9.0),请按照此处的说明安装所需的pytorch版本。请注意,JPEG解码可能会成为性能瓶颈,尤其是在拥有一个快速GPU的情况下。 您可以选择安装优化的JPEG解码器,如下所示(Linux):

conda uninstall --force jpeg libtiff -y
conda install -c conda-forge libjpeg-turbo pillow==6.0.0
CC="cc -mavx2" pip install --no-cache-dir -U --force-reinstall --no-binary :all: --compile pillow-simd复制代码

PyPI Install

pip install fastai复制代码

默认情况下,pip将使用最新的cudatoolkit安装最新的pytorch。 如果您的硬件不支持最新的cudatoolkit,请按照此处的说明安装适合您硬件的pytorch构建。

Bug Fix Install

如果在git中进行了错误修复,并且你迫不及待发布的新版本,则可以使用以下方法安装fastai的最新版本:

pip install git+https://github.com/fastai/fastai.git复制代码

Developer Install

git clone https://github.com/fastai/fastai
cd fastai
tools/run-after-git-clone
pip install -e ".[dev]"复制代码

接下来,可以通过启动jupyter notebook来测试构建是否有效。请参阅CONTRIBUTING.md 和Notes For Developers ,以了解有关如何为fastai项目做出贡献的更多详细信息。



郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

回复列表